Xbar-R控制图在质量管理中主要用于对计量数据进行检测，以达到控制对象质量的目的。
虽然用Excel可以轻松实现控制图的操作，不过作为R软件初学者，我试着用仅有的一点R语言知识进行了控制图的绘制操作。虽然画出来了但是代码实在是低效，以后再慢慢改进吧。
> data <-
read.csv("kzt.csv")
> D3 <-
0; D4 <- 2.114; A2 <-0.577
1.###计算各样本的极差
> r1 <- c()
> for(i in 1:20) r1[i]
<- max(data[i,])-min(data[i,])
2.###计算极差上下界，并画出R控制图
> UCL_R <- D4*mean(r1)
> CL_R <- mean(r1)
> LCL_R <- D3*mean(r1)
> plot(r1,
type="o",ylim=c(0,40),main="Range")
> abline(h=UCL_R, lty='dashed')
> abline(h=CL_R)
> abline(h=LCL_R, lty='dashed')
存在有出界值。利用which()函数确定出界位置（虽然能直接看出是样本7）
> which(r1>UCL_R)
[1] 7
3.###把样本7从数据中删掉然后对样本进行重新编号
> data <- data[-7,]
> rownames(data) <- 1:nrow(data)
4.###重新计算各样本的极差
> r11 <- c()
> for(i in 1:19) r11[i] <- max(data[i,])-min(data[i,])
5.###重新计算极差上下界，并画出R控制图（代码如2，将r1换成r11即可）
此时R图判稳。接下来作Xbar图。
6.###计算各样本的均值
> m1 <- c()
> for(i in 1:19) m1[i] <- apply(data[i,],1,mean)
7.###计算均值上下界，并画出Xbar控制图（套路跟画极值控制图差不多）
> UCL_M <- mean(m1) A2*mean(r11)
> CL_M <- mean(m1)
> LCL_M <- mean(m1)-A2*mean(r11)
> plot(m1,type="o",ylim=c(60,90),main="Mean")
> abline(h=UCL_M, lty='dashed')
> abline(h=LCL_M, lty='dashed')
> abline(h=CL_M)
有出界值，找出出界值
> which(m1
[1] 13
8.###把样本13从数据中删掉然后对样本进行重新编号
> data <- data[-13,]
> rownames(data) <- 1:nrow(data)
9.###重新计算各样本均值、极差和均值上下界，并画出R控制图和Xbar控制图
此时Xbar与R图都判稳，生产过程的均值与变异度都处于稳态。延长统计过程状态下的Xbar-R图的控制限，即可进入控制用控制图阶段，实现对过程的日常控制。